Die Bedeutung eines Single Point of Truth

Es ist mittlerweile ein Allgemeinplatz, dass die Währung des Digitalen Zeitalters schlicht und ergreifend Daten ist. Vereinfacht gesagt wird mit einem Single Point of Truth System diese Währung auf kontrollierte, geplante und strukturierte Art und Weise in einen Mehrwert für das Unternehmen verwandelt.

Natürlich haben viele Unternehmen bereits ein vermeintlich sehr zentrales System, wie beispielsweise SAP. Die Belange der unterschiedlichen Fachabteilungen werden allerdings von diesem System eben nicht abgedeckt. Denn mit komplexeren Anforderungen, kann das bestandsführende System nicht die Funktion einer zentralen Informationsquelle erfüllen. Hinzu kommt noch, dass operative Systeme ständig genutzt werden, so dass sich der Datenbestand permanent ändert.

Zentrale Datenversorgung für Unternehmen

Der in der IT hierfür entwickelte, klassische Ansatz besteht in der Schaffung eines so genannten Data Warehouse (DWH). (Zuweilen auch Data Mart genannt.) Der Name ist Programm. Es gilt, die verschiedenen Daten des Unternehmens in vereinheitlichter Form, ähnlich einem Lager, für verschiedene interne "Kunden" (also die Fachabteilungen und Geschäftsführung) zur Verfügung zu stellen.

Und zwar so, dass die Informationen in wohl definierten Zeitscheiben (Täglich, wöchentlich, monatlich, etc.) konsistent und verlässlich nutzbar sind. Übrigens kann das keine Applikation leisten kann, die im täglichen Betrieb operativ genutzt wird, weil dort ständig Änderungen vorgenommen werden, so dass nachvollziehbare und vergleichbare Auswertungen nicht gemacht werden können.

Die Herausforderungen

Dabei sind die Herausforderung aus IT-Sicht nicht einmal technischer Natur. Die Modellierung und Prozesse sind bekannt: Kimball, Data Vault 2.0, Snowflake, etc. Diese Methodiken definieren jeweils einen ähnlichen Prozess, der dazu dient, die Verarbeitung der Daten zu strukturieren. Da es sich bei einem Data Warehouse um ein klassisches Eingabe-/Ausgabe System handelt, kann man, grob gesprochen, die Datenverarbeitung in drei Schritte zerlegen

  1. Beladung
  2. Konsolidierung
  3. Ausgabe

Diese Prozesse müssen in angemessenen Zeitintervallen wiederholt werden, da sich die Datenquellen permanent ändern, denn man darf nicht vergessen, dass alle Datenquellen zu jedem Zeitpunkt die operative Realität des Unternehmens spiegeln.

Verwendung von Unternehmenskennzahlen im Data Warehouse

Aber die eigentliche Herausforderung beim Aufbau eines Data Warehouse ist die fachliche Einigung zur Interpretation und Nutzung von Unternehmensdaten. Diese Einigung ist nicht einfach zu erzielen, denn die Aufgaben der verschiedenen Bereiche eines Unternehmens haben für sich genommen Ziele die nicht immer überlappen. Salopp gesprochen: Der Einkauf will so günstig wie möglich einkaufen, aber die Qualitätssicherung will die höchstmögliche Produktqualität, egal zu welchem Preis.

 

IT-Security, KPI

Also stellt sich die Frage: Können sich alle Bereiche des Unternehmens auf eine einheitliche Interpretation von bestimmten Steuerungskennzahlen (z.B. KPI - Key Performance Indicator oder KRI - Key Risk Indicator) einigen. Wie -- ganz exakt! -- werden diese Kennzahlen berechnet? Welche Stichtage gelten für alle Bereiche? Etc.

Um ein entsprechendes DWH-Projekt umzusetzen ist ein starkes Mandat der Geschäftsführung (bzw. des verantwortlichen Managements) notwendig sowie eine Priorisierung, die es erlaubt, möglichst rasch den unternehmirischen Mehrwert für Entscheider greifbar zu machen.

Warum ein Single Point of Truth für Ihr Unternehmen unverzichtbar ist

Operative Systeme enthalten alle Daten, die ein Unternehmen für Einkauf, Verkauf, Marketing, Backoffice, Lohnkosten, etc. produziert und nutzt. Demzufolge schlummern in diesen Daten alle notwendigen Informationen, um die Leistungsfähigkeit und Effizienz eines Unternehmens zu erkennen und danach unternehmerisch zu handeln.

Einheitlicher Datenbestand

Schon viele Unternehmen haben daher seit langem die Vorteile erkannt, wenn die Geschäftsführung auf einen einheitlichen Datenbestand zur Unternehmenssteuerung zurückgreifen kann, der all diese Daten vereinheitlicht und in vielerlei Hinsicht nachvollziehbar zur Verfügung stellt.

Dieser Datenbestand wird in der Regel als so genannter Single Point of Truth (zuweilen auch Single Source of Truth) bezeichnet.

Speziell wenn ein Unternehmen schnell und dynamisch gewachsen ist und damit unterschiedliche Bereiche aus Sicht der Geschäftsführung miteinander harmonisiert werden müssen, wird ein solches System zurecht als sehr hilfreich gesehen.

Denn es ergeben sich folgende Mehrwerte:

- Einfachere Entscheidungsgrundlagen für Investitionen
- Gezielte Analyse und Erkennung von Gewinn- und Verlustsparten
- Insgesamt verbessertes Controlling & Risikomanagement

 

Weitere Informationen: Wiki

Verwendungszweck und Aufbewahrungsfrist - DSGVO

Jedes Unternehmen speichert bzw. verarbeitet personenbezogene Daten. Die Datenschutz-Grundverordnung (DSGVO) sowie das Bundesdatenschutzgesetz (BDSG) machen klare Vorgaben, dass diese Daten nur mit einem validen Verwendungszweck verarbeitet werden dürfen. Zum Beispiel benötigt man explizit die Erlaubnis der betroffenen Person für den Newsletter-Versand oder die Daten werden zur Durchführung eines Vertragsverhältnisses benötigt (z.B. Kreditvertrag).

Nun unterliegen diese personenbezogenen Daten bestimmten Aufbewahrungsfristen, welche zum Tragen kommen, sobald der originäre Verwendungszweck wegfällt. Nachdem beispielsweise der o.g. Kredit getilgt wurde, ist der Kreditvertrag erfüllt, jedoch tritt an die Stelle des Verwendungszwecks "Vertragsverhältnis" nun der Verwendungszweck "gesetzliche Aufbewahrungsfrist".

Aufbewahrungsfrist

Die Aufbewahrungsfrist soll einerseits sicherstellen, dass Daten im Nachhinein noch einsehbar sind, falls beispielsweise das Finanzamt nachträglich noch Fragen hat oder -besonders bei Personenversicherungen relevant- ob es schon vor Jahren medizinische Anzeichen für eine bestimmte Krankheit gab. Andererseits stellen sie sicher, dass Daten nicht bis zum "Sankt-Nimmerleins-Tag" in Datenbanken oder Dateisystemen schlummern und somit das Gebot der Datenminimierung (vgl. Art. 5 Abs. 1 DSGVO) in die Tat umgesetzt wird. Man spricht in diesem Zusammenhang auch vom "Recht auf Vergessenwerden", einem der zentralen Betroffenenrechte aus dem Kapitel 3 DSGVO. Während einer Aufbewahrungsfrist dürfen die Daten übrigens nicht weiter verarbeitet werden.

Ob es sich um personenbezogene Daten von Mitarbeitern, Kunden, Lieferanten, etc. handelt, ist dabei zunächst nicht relevant. Wichtig ist nur, dass die personenbezogenen Daten in Datenarten untergliedert und somit verschiedenen Aufbewahrungsfristen zugeordnet werden. Erst wenn dies geschehen ist, kann man sich Gedanken über die Umsetzung von Löschroutinen machen, typischerweise mit Hilfe eines Löschkonzepts nach DIN 66398.

Was ist Data Warehouse - und was bringt ein Datenlager?

Data Warehouse ist ein anderes Wort für Datenlager. Technisch gesehen ist ein Data Warehouse eine zentrale Datenbank, in der die verdichteten Datenbestände aus dem Unternehmen gebündelt zur Verfügung stehen. Die gesamte Datenlandschaft wird systembezogen auf jeweils einem Bildschirm dargestellt. Betriebswirtschaftlich gesehen ist das Datenlager eine zentrale Informationsbasis für Entscheidungen der Unternehmensführung.

Wir sind als Data-Warehouse-Anbieter auf Datenlager spezialisiert

Daten entstehen rund um die Uhr an vielen Stellen des Unternehmens (heterogene Datenquellen). Reine Daten, also Datenbestände in Form von Analysekennziffern und KPI, würden der Unternehmensführung jedoch wenig bringen. Selbst Big Data muss für den Anwender so aufbereitet sein, dass er daraus einen Klartext ableiten kann.

Datenbestände werden zur Wissensgewinnung

Wissen Sie in diesem Moment, welche Kennzahlen Sie aus Ihren Geschäftssystemen gewinnen könnten, würden Sie z. B. Ihre Statistikprogramme mit Transaktionsdaten und Angaben zur Sanierungsfähigkeit eines Finanzierungskunden arbeiten lassen?

Im Data Warehouse als optimierter Datenbank führen wir zahlreiche unternehmensrelevante Daten so zusammen, dass sie sinnvoll bearbeitet und genutzt werden können. Aus Single Data wird Information. Ein Datenlager wird als zentraler Datenbestand zur Grundlage für die täglichen Abläufe in Unternehmen. Es liefert Informationen für Managemententscheidungen. Das ist eine Wissensgewinnung, die zu Wettbewerbsvorteilen führt.

Aus dem Data Warehouse können unsere Kunden mit Data Mining Daten filtern und somit verwertbare Informationen gewinnen. Nur valide Informationen sind eine solide Basis für Entscheidungen. Wenn wir mit dem Aufbau eines Data Warehouse beauftragt werden, entwickeln wir dieses aus vielen unterschiedlichen Datenquellen.

Warum jedes Data Warehouse einzigartig ist

Mit einem Data Warehouse „von der Stange“ wäre unseren Kunden nicht gedient. Den technischen Kern eines Data Warehouse, der aus dem Repository für die fachlichen und technischen Metadaten, einem Berechtigungssystem und der damit verbundenen Prozesssteuerung besteht, stellen wir Ihnen bei Projektbeginn in Form der Impetus Data Warehouse Enterprise Architecture (IDEA) kostenfrei zur Verfügung.

Mit den hiermit komfortabel eingepflegten Informationen zu ihren fachlichen Feldern und den datenliefernden Systemen lassen sich die Verarbeitungsprozesse des Data Warehouses generieren.